Skapare/primärforskare
Muhammad Ahmer
- AB SKF, Manufacturing and Process Development
Pär Marklund
- Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Maskinelement
Fredrik Sandin
- Luleå tekniska universitet, Institutionen för system- och rymdteknik, EISLAB
Martin Gustafsson - AB SKF, Manufacturing and Process Development
Kim Berglund
- Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Maskinelement
Beskrivning
I publikationen (Ahmer, M., Sandin, F., Marklund, P. et al., 2022) har vi undersökt användningen av sensorer i en lagerringsslipmaskin för felklassificering och tillståndsövervakning. Föreslagen metod kombinerar domänkunskap om processövervakning och tillståndsövervakning för att framgångsrikt uppnå fellägesförutsägelse med hög noggrannhet med endast ett fåtal nyckelsensorer. Denna forskning visar att tillverkningsutrustning kan dra fördel av avancerad databehandling och maskininlärningsteknik.
Slipmaskinen är av typ SGB55 från Lidköping Machine Tools och används i detta fall för att slipa löpbanor på lagerinnerringar av typ SKF-6210 spårkullager. Sensorer för vibration, akustisk emission, kraft och temperatur är installerade för att övervaka maskinens tillstånd under slipning och olika driftsförhållanden. Data insamlas från sensorerna samt maskinens numeriska styrenhet under drift. Utvalda producerade kvalitetsparametrar mäts efter slipoperationen.
Ahmer, M., Sandin, F., Marklund, P., Gustafsson, M., & Berglund, K. (2022). Failure mode classification for condition-based maintenance in a be
Språk
Engelska
Forskningshuvudman
Ansvarig institution/enhet
Institutionen för teknikvetenskap och matematik
Data innefattar personuppgifter
Nej
Sortera på namn | Sortera efter år
Ahmer, M., Sandin, F., Marklund, P., Gustafsson, M., & Berglund, K. (2022). Failure mode classification for condition-based maintenance in a bearing ring grinding machine. In The International Journal of Advanced Manufacturing Technology (Vol. 122, pp. 1479–1495). https://doi.org/10.1007/s00170-022-09930-6
DOI:
https://doi.org/10.1007/s00170-022-09930-6
URN:
urn:nbn:se:ltu:diva-92668
Ahmer, M., Marklund, P., Gustafsson, M., & Berglund, K. (2022). An implementation framework for condition-based maintenance in a bearing ring grinder. In Leading manufacturing systems transformation – Proceedings of the 55th CIRP Conference on Manufacturing Systems 2022 (pp. 746–751). https://doi.org/10.1016/j.procir.2022.05.056
URN:
urn:nbn:se:ltu:diva-90896
DOI:
https://doi.org/10.1016/j.procir.2022.05.056
Om du publicerat något baserat på det här datamaterialet, meddela gärna SND en referens till din(a) publikation(er). Är du ansvarig för katalogposten kan du själv uppdatera metadata/databeskrivningen via DORIS.
Ladda ner data
Tillhörande dokumentation
Beskrivning
Filerna är grupperade i mappar i zip-filer. Pdf-filen "readme_data_description.pdf" beskriver innehållet i filerna i mapparna. "lib" innehåller information om bibliotek som kan användas för att läsa .tdms-datafilerna i Matlab eller Python. Se den engelska beskrivningen för mer information.Version 2
https://doi.org/10.5878/331q-3p13
Data korrigerade : Ett filarkiv i version 1 (test_5.zip) var skadat. Detta är nu korrigerat och samtliga .zip-arkiv i denna nya version är nyexporterade och ompackade. Observera att undermappar som i vissa arkiv var döpta till dress_<nummer>/ i version 1 nu heter dresscyc_<nummer>/ i denna version. Metadata i .tdms-filernas filhuvuden skiljer sig också åt i enstaka fält på grund av hanteringen.
Citering
Ladda ner citering
Dataformat / datastruktur
Numeriska
Skapare/primärforskare
Muhammad Ahmer
- AB SKF, Manufacturing and Process Development
AB SKF, Manufacturing and Process Development
Luleå tekniska universitet, Institutionen för teknikvetenskap och matematik, Maskinelement
Nyckelord
analys, slipmaskiner, diagnostik, underhåll (drift), lager (maskinkomponenter), övervakning av skick
Licens
